Journal de génie informatique et des technologies de l'information

Méthode de moyenne géométrique combinée à un algorithme d'optimisation de colonie de fourmis pour résoudre des problèmes de transport multi-objectifs dans des environnements flous

Richard Kayanga Nyakundi, Samuel Mbuguah et Ratemo Makiya

Le problème de transport (TP) est un sujet bien connu dans le domaine de l'optimisation et un défi très répandu pour les hommes d'affaires. L'objectif est de réduire le coût total du transport, le temps et la distance de livraison des ressources de plusieurs sources vers un grand nombre de destinations. La littérature démontre que diverses approches ont été conçues avec un seul objectif en tête, bien que les TP ne soient pas toujours développés avec un objectif global en tête. Résoudre les difficultés de transport avec plusieurs objectifs est une tâche courante. Dans cette étude, une nouvelle méthode pour traiter le TP multicritère en utilisant des moyennes géométriques, ainsi qu'une nouvelle approche de l'algorithme d'optimisation des colonies de fourmis (ACO) pour résoudre le TP multi-objectif dans un environnement flou. Les nombres flous ont été utilisés pour résoudre des problèmes du monde réel dans divers domaines, notamment la recherche opérationnelle et l'optimisation. L'algorithme ACO est depuis longtemps reconnu comme une stratégie alternative viable pour résoudre les problèmes d'optimisation. Le but de cette étude est de fournir une approche unique pour organiser les nombres flous ainsi que des améliorations à l'algorithme ACO pour résoudre le modèle TP multi-objectif. De plus, la méthode suggérée est assez simple et trouve la meilleure solution pour les TP équilibrés et déséquilibrés. Notre méthode, comme l'algorithme d'optimisation des colonies de fourmis par moyenne géométrique (GMACOA), surpasse les autres méthodes en termes de valeurs objectives. Des exemples numériques sont fournis pour démontrer la méthode par rapport à diverses méthodes actuelles.